現在要開始建立我們的 virtual Macine 了,方式可以透過 virt-manager 或是文字模式的 virt-install.這邊先針對 virt-manager 的使用來做說明, virt-install 的使用請參考
http://benjr.tw/?q=node/366
[root@benjr ~]# virt-m
我们介绍一下多相流模型的一种-VOF模型的适用场合及使用方法。通过VOF实例观察两相界面分布，了解VOF模型使用过程中的注意点。1. VOF模型简介该模型通过求解单独的动量方程和处理穿过区域的每一流体的容积比来模拟两种或三种不能混合的流体。典型的应用包括流体喷射、流体中大泡运动、流体在大坝坝口的流动、气液界面的稳态和瞬态处理等。一般而言VOF主要适用于非稳态的多相流模型，仅对某些特定问题
转载
2024-03-31 08:45:32
346阅读
一、一个Linux操作系统需具备的组件 在制作一个精简的Linux系统之前，首先了解一下制作一个系统所必备的组件。我们需要一个Linux内核文件、bash命令解释器、各种命令、grub引导程序、init程序等。知道了一个系统的启动流程后，我们就可以开始动手改装操作系统了。二、制作精简版CentOS6.4 我们以一个CentOS6.4的系统为宿主机，在此系统的基础上，通过增加
注：本篇随笔依据《Matlab在数学建模上的应用》中第3章介绍来写，主要简单介绍灰色模型及其Matlab实现（博客以及Matlab小白，若有不当欢迎指出）灰色模型（gray model）简介灰色模型的作用：解决数据预测问题。
灰色模型的优点：实用稳定，不仅适用于大数据量的预测，在数据量比较少时（3个以上即可）预测结果依旧准确。Matlab中灰色模型的使用详细流程（熟悉的话可跳过看总结）（1）先对数
转载
2023-07-08 21:25:29
219阅读
vue 页面重构工作 最近的一项学术研究提出了一些有关重构真正有用和重要的问题。 研究人员发现，重构似乎并不能使代码易于理解或更改 ，甚至不能使代码更清晰（通过循环复杂度，继承深度，类耦合或代码行来衡量）。 但是，正如其他人所讨论的那样 ，这项研究存在严重缺陷。 它似乎是由不了解如何正确进行重构的人设计的： 研究人员基于OO代码质量模型，选择了10种“高影响力”重构技术（来自Shatn
转载
2024-05-16 02:05:28
42阅读
所用软件：matlab2014a 一、 首先要确定你的caffe对matlab接口进行了配置，如果没有配置好matlab接口，运行时会出现这样的错误 好像是说caffe_这个函数没有定义，原因就是caffe编译时没有配置好matlab接口，详细过程可以参考。二、 接下来的详细步骤可以参考这篇博文，作者讲解的非常详细，所需要的资源文件，博主也都上传分享，非常感谢这位博主的分享。下面仅对一
转载
2024-08-14 10:25:24
44阅读
Mixtures of Gaussian 这一讲，我们讨论利用EM (Expectation-Maximization)做概率密度的估计。假设我们有一组训练样本x(1),x(2),...x(m),因为是unsupervised的学习问题，所以我们没有任何y的信息。我们希望利用一个联合分布p(x(i),z(i))=p(x(i)|z(i))p(z(i))来拟合这些数据, 其中z(i)∼Multinom
转载
2024-07-31 13:24:31
68阅读
例：绘制边界面屏蔽 meshz 空间曲面作图举例 >> [X,Y]=meshgrid(-8:0.5:8); >> r=sqrt(X.^2+Y.^2)+eps; >> Z=sin(r)./r; >> meshz(X,Y,Z) * ppt课件 空间三维作图 空间曲面其它作图函数 sphere(n) 专用于绘制单位球面 mesh 绘制网格图，surf 绘制
转载
2024-05-10 16:41:27
72阅读
Angluins L*算法 学习笔记简介：这个算法的目标：构造DFA或者Mealy automate，使之同一个Black system吻合。这个算法假定了一个“teacher”的角色，他是先知，知道这个黑盒SUL的一切。在构造过程中我们可以问老师二种类型的问题。一是称为membership query成员查询， 对于构造Mealy automate来说就是输入某个字串，SUL输出什么？（对于DF
文章目录1、（精）matlab&lingo已编好的程序2、《MATLAB 神经网络30个案例分析》源程序 数据3、《MATLAB神经网络原理与实例精解》随书附带源程序4、《MATLAB图像处理》源文件5、《基于MATLAB的高等数学问题求解》 随书附带源程序6、28个实际问题建模MATLAB源程序代码.rar7、AHP层次分析法8、CellularAutomata元胞向量机9、Fuzzy
转载
2024-10-08 13:06:28
18阅读
目录一、SVM基本介绍1.1 SVM算法定义1.2 SVM和逻辑回归的区别二、实验数学原理三、实验算法和实验步骤四、实例分析一、SVM基本介绍1.1 SVM算法定义 SVM全称是supported vector machine（支持向量机），即寻找到一个超平面使样本分成两类，并且间隔最大。 SVM能够执行线性和非线性分类，回归，甚至是异常值监测任务。特别适用于中小型复杂数据集的分类。1.2 S
转载
2024-06-26 12:57:22
156阅读
导入vof（没有安装jdk、mysql、redis） 打开 选择vof文件（下图表示vof在666目录下，不是190下的qzcsbj-demo下）
原创
2023-05-29 09:38:08
426阅读
介绍Matlab是一种功能强大的数学软件，它不仅可以用于数据分析和可视化，还可以用于机器学习。在本文中，我们将介绍如何使用Matlab实现机器学习。首先，我们需要准备数据。机器学习通常需要大量的数据进行训练和测试。我们可以使用Matlab的数据导入工具来导入数据。Matlab支持多种数据格式，包括CSV、Excel和文本文件等。我们还可以使用Matlab的数据可视化工具来查看数据的分布和特征。接下
转载
2024-08-12 13:01:30
60阅读
MPC matlab demo前言一、模型预测控制的理论（MPC）二、实例代码2.simulink模型总结 前言本文是基于matlab/simulink中的模型预测控制例子的学习记录提示：以下是本篇文章正文内容一、模型预测控制的理论（MPC）模型预测控制在实现过程中有3个关键步骤，一般被称为3项基本原理，分别是预测模型、滚动优化和反馈校正。 1：预测模型：预测模型是模型预测控制的基础。其主要功能
转载
2023-08-25 16:11:08
379阅读
随着Pytorch、TensorFlow等机器学习框架的兴起，很多实例都是基于Python实现的。而我自己专业内的程序都是基于MATLAB实现的，所以要结合网上的机器学习代码就有些不方便了，因此就萌生了将MATLAB代码转为Python代码的想法。最近将MATLAB程序转为Python程序时，遇到了一些坑，在这里列举说明一下，以免再次入坑。这里主要涉及的是对矩阵的操作。Python中用到的主要是n
转载
2023-07-28 16:25:32
248阅读
matlab2016b+vs2010+ivf2013+f90其实默认是f77语法，但通过配置可以改变为自由格式。默认只能f77代码，怎样修改：https://ww2.mathworks.cn/matlabcentral/answers/333875-i-am-trying-to-create-a-mex-file-for-fortran90-code-i-get-an-error-because-
转载
2024-01-30 20:47:03
249阅读
地球重力场模型是地球重力位的数学表达式，通常用球谐函数的级数形式来表示。地球外部任意一点P地心求坐标（r,θ,λ），其重力位V的球谐表达式为： 根据上式可知，只需知道地球外部一点的球坐标，以及相应重力场模型球谐系数，即可解算该位置的重力位。重力矢量和重力梯度分别是重力位对球坐标的一阶、二阶导数，还涉及球坐标与直角坐标的转换问题，计算较为复杂。球坐标与局部指北坐标的转换关系如下： EGM2008是近
转载
2024-01-25 22:34:03
222阅读
一、传递函数的构建方法num=[1];
den=[1 2 1 0];
G=tf(num,den)G =
1
---------------
s^3 + 2 s^2 + sz=[]; //没有零点就空着，若里面写零代表分子为S
p=[0 -1 -1];
k=[1];
G=zpk(z,p,k)G =
1
---------
s (s+1)^2
转载
2024-06-18 05:51:51
99阅读
数据回归分析和拟合的matlab实现2.doc 数据回归分析和拟合的MATLAB实现目录一、多元线性回归二、多项式回归一元多项式POLYFIT或者POLYTOOL多元二项式RSTOOL或者RSMDEMO三、非线性回归四、逐步回归一、多元线性回归多元线性回归1、BREGRESSY,X确定回归系数的点估计值2、B,BINT,R,RINT,STATSREGRESSY,X,ALPHA求回归系数的点估计和区
此示例说明如何使用迁移学习对预训练的卷积神经网络 AlexNet 进行重新训练，以对新图像集进行分类。尝试此示例，了解如何在 MATLAB® 中轻松开始深度学习。深度学习应用中常常用到迁移学习。您可以采用预训练的网络，基于它学习新任务。与使用随机初始化的权重从头训练网络相比，通过迁移学习微调网络要更快更简单。您可以使用较少数量的训练图像快速地将已学习的特征迁移到新任务。本示例用到了AlexNet，
转载
2024-04-28 10:58:20
114阅读
